Jan, 2023

人工智能能否赢得加纳的国家科学和数学竞赛？教育的人工智能大挑战

PDF
TL;DR建立一种能够通过文本或语音回答学生问题的 AI 系统，旨在帮助帮助缓解整个非洲教师短缺的现状，并提供优质教育。Ghana's National Science and Maths Quiz（NSMQ）竞赛被认为是衡量此类 AI 潜力的非洲环境下的理想基准和挑战。本文首次提出建立一个 AI 大挑战赛，旨在利用 Ghana's National Science and Maths Quiz（NSMQ）竞赛作为案例研究，在非洲改善优质教育。
educationainational science and maths quizghanateacher shortage
发现论文，激发创造
  • 构建 AI 赢得加纳国家科学和数学竞赛

    NSMQ AI 项目旨在构建人工智能来参加并赢得加纳国家科学和数学竞赛（NSMQ）。该项目的目标是解决能否让人工智能参与并赢得这项年度生物、化学、物理和数学竞赛的问题，并对具体的团队，目前所取得的进展以及下一步计划进行了概述，计划于 2023 年 10 月正式推出并为 2023 年的 NSMQ 比赛做出亮相。这个能够征服这个宏大挑战的人工智能对教育领域将产生实际影响，如让非洲的数百万学生能够通过这个人工智能获得个别的学习支持。

    Aug, 2023

  • Brilla AI：全国科学与数学问答竞赛的人工智能参赛选手

    构建并评估 AI 参赛者 Brilla AI，通过在 2023 年 NSMQ 决赛的谜语环节进行远程实时比赛，展示 AI 在教育中的潜力，为数百万非洲学生提供科学教育的机会。

    Mar, 2024

  • 利用人工智能推动跨非洲的科学与计算教育：进展、挑战与机遇

    在非洲大陆，学生面临着各种教育挑战，包括获取计算机、互联网连接、可靠电力和合格教师等重要资源的限制。尽管存在这些挑战，但像 BERT 和 GPT-4 这样的人工智能近期取得的进展已经展示出了推动教育的潜力。然而，这些人工智能工具往往主要在西方教育环境中部署和评估，对非洲学生面临的独特需求和挑战关注不足。在本书章节中，我们描述了我们在非洲开发和应用人工智能教育工具的工作：（1）SuaCode，一款基于人工智能的应用程序，使非洲人能够使用智能手机学习编程；（2）AutoGrad，用于图形和交互式编程作业的自动分级和反馈工具；（3）用于代码抄袭检测的工具，展示了抄袭的可视证据；（4）Kwame，为编程课程提供双语人工智能助教；（5）Kwame for Science，一个基于 Web 的人工智能助教，可以即时回答学生的科学问题；（6）Brilla AI，一个参加全国科学和数学知识竞赛的人工智能选手。我们讨论了利用人工智能推动非洲科学和计算教育的挑战和潜在机会。

    Feb, 2024

  • Kwame 智能教学助理在西非科学教育中的实际部署与评估

    这篇论文介绍了将以前用于编码教育的 Kwame 人工智能助手改编成科学教育形式，并部署为 Web 应用程序，提供整理过的知识源和相关的历年试题作为答案，以支持非洲国家的学生进行远程教育。

    Feb, 2023

  • 基于 Sentence-BERT 的 Kwame 科学教学助手：用于西非的科学教育

    本研究致力于通过 IT 技术实现对于非洲高中生科学教育的帮助，设计并推出了科学 AI 教学助手 Kwame，利用语义模型回答学生问题并能够提供相关的历届考试题和答案。Kwame 的部署和测试表明，其能够大幅提高学生的科学教育效益和学习体验，可以成为一种高效且具有可伸缩性的远程教育方案。

    Jun, 2022

  • 用科学文本进行预训练，提高教育问题生成质量

    本研究基于大型语言模型开发了 EduQG，该模型能够自动生成出优质的教育问题，以实现在数字化教育材料和可扩展的 e-learning 系统背景下的 AI 协助个性化学习。

    Dec, 2022

  • 从纽约州州立考试 F 到 A：Aristo 项目概述

    本研究报告了 Aristo 系统在 8 年级纽约 Regents 科学考试和 12 年级的科学考试中，使用 NLP 方法在非图表多项选择题 (NDMC) 上均实现了历史性突破，证明了现代自然语言处理方法在一定程度上能够掌握此类任务。

    Sep, 2019

  • CommonsenseQA 2.0：通过游戏化揭示 AI 的局限性

    本研究提出以益智游戏为框架进行数据构建来解决自然语言理解模型面临的问题，使用这种方法构建出包含 14,343 个 yes/no 问题的 CommonsenseQA 2.0，该数据集对比现有的深度学习模型难度更大（例如 T5-based Unicorn，精度达到 70.2%，而 GPT-3 只有 52.9%），但与人类表现相差甚远（94.1%）。

    Jan, 2022

  • Allen AI 科學挑戰：超越圖靈測試

    本文介绍了 Allen AI 科学挑战赛及其在人工智能系统接近人类智能方面的结果与收获。

    Apr, 2016

  • 通用人工智能挑战 - 第一轮：渐进式学习

    本文简要介绍了 General AI Challenge 的第一轮比赛，其着眼于针对使用已学习的知识来高效学习解决随后问题的渐进式学习能力。文章详细提出了该挑战赛的灵感、目标、挑战描述以及基于计算机力学的课程设置的初步分析。

    Aug, 2017